视频图像人脸特征点跟踪技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-16页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·特征提取方法 | 第13-14页 |
| ·本文主要内容及章节安排 | 第14-16页 |
| 第二章 人脸检测 | 第16-31页 |
| ·图像预处理技术 | 第16-20页 |
| ·图像成像理论 | 第16-18页 |
| ·单尺度RETINEX 算法 | 第18-19页 |
| ·多尺度RETINEX算法 | 第19-20页 |
| ·基于肤色的人脸区域分割 | 第20-22页 |
| ·肤色模型概述 | 第20-21页 |
| ·肤色分割 | 第21-22页 |
| ·基于HAAR特征的ADABOOST人脸检测 | 第22-29页 |
| ·HAAR特征 | 第22-23页 |
| ·积分图 | 第23-24页 |
| ·特征值的计算 | 第24-25页 |
| ·分类器的训练 | 第25-29页 |
| ·实验结果与讨论 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于光流算法的人脸跟踪 | 第31-43页 |
| ·光流算法概述 | 第31-32页 |
| ·基于图金字塔的特征光流跟踪 | 第32-40页 |
| ·图像金字塔 | 第33-35页 |
| ·基于金字塔的特征跟踪 | 第35-38页 |
| ·基于图像金字塔的光流计算 | 第38-39页 |
| ·特征选择 | 第39-40页 |
| ·实验结果与讨论 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于粒子滤波的人脸跟踪 | 第43-55页 |
| ·基于概率的跟踪方法概述 | 第43-47页 |
| ·概率跟踪方法分类 | 第43-44页 |
| ·贝叶斯理论 | 第44-45页 |
| ·粒子滤波 | 第45-47页 |
| ·目标模型 | 第47-51页 |
| ·主成份分析方法 | 第47-49页 |
| ·递增主成份分析 | 第49-51页 |
| ·粒子滤波在人脸跟踪中的应用 | 第51-52页 |
| ·实验结果与讨论 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 自适应ASM特征点跟踪 | 第55-69页 |
| ·ASM建模 | 第55-61页 |
| ·特征点标定 | 第55-56页 |
| ·对齐操作 | 第56-58页 |
| ·形状建模 | 第58-59页 |
| ·局部纹理建模 | 第59-61页 |
| ·ASM特征点匹配 | 第61-66页 |
| ·传统ASM特征点匹配 | 第61-63页 |
| ·基于粒子滤波跟踪的ASM特征点跟踪 | 第63-66页 |
| ·实验结果与讨论 | 第66-68页 |
| ·本章总结 | 第68-69页 |
| 第六章 总结与展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士研究生期间的研究成果 | 第75-76页 |
